Quando Derek Waldron e il suo team tecnico di JPMorgan Chase hanno lanciato per la prima volta una suite di LLM con assistenti personali due anni e mezzo fa, non sapevano cosa aspettarsi. Non era passato molto tempo dall'emergere rivoluzionario di ChatGPT, ma nelle imprese la diffidenza era ancora alta. Sorprendentemente, i dipendenti hanno aderito organicamente e rapidamente alla piattaforma interna. Entro pochi mesi, l'utilizzo è balzato da zero a 250.000 dipendenti. Ora, oltre il 60% dei collaboratori in vendite, finanza, tecnologia, operazioni e altri dipartimenti utilizza la suite in continua evoluzione e sempre connessa. «Siamo rimasti sorpresi da quanto fosse virale», spiega Waldron, chief analytics officer di JPMorgan, nel nuovo podcast VB Beyond the Pilot. I dipendenti non si limitavano a creare prompt: costruivano e personalizzavano assistenti con personalità, istruzioni e ruoli specifici, condividendo le loro scoperte su piattaforme interne. Il colosso finanziario ha realizzato ciò che la maggior parte delle imprese fatica ancora a ottenere: un'adozione su larga scala e volontaria dell'IA da parte dei dipendenti. Non è stato il risultato di imposizioni; al contrario, i primi adottanti hanno condiviso casi d'uso concreti, e i lavoratori si sono nutriti dell'entusiasmo reciproco. Questo utilizzo bottom-up ha generato un flywheel di innovazione. «È una popolazione innovativa radicata in profondità», dice Waldron. «Se continuiamo a fornirgli capacità potenti e facili da usare, potranno accelerare la prossima evoluzione di questo percorso», con impatti significativi per l'Italia, dove banche come Intesa Sanpaolo e UniCredit possono trarre ispirazione per potenziare la competitività economica, migliorare i servizi ai cittadini italiani e stimolare l'occupazione qualificata nel settore fintech. Connettività ubiqua integrata in sistemi di record altamente sofisticati. JPMorgan ha adottato un approccio raro e lungimirante alla sua architettura tecnica. L'azienda tratta l'IA come infrastruttura core anziché come novità, partendo dalla posizione controcorrente che i modelli stessi sarebbero diventati commodity. Invece, ha identificato la connettività intorno al sistema come la vera sfida e il fossato difendibile. Il gigante finanziario ha investito presto in generazione aumentata dal recupero multimodale (RAG), ora alla quarta generazione e con multimodalità. La sua suite IA è ospitata al centro di una piattaforma enterprise-wide dotata di connettori e tool per analisi e preparazione. I dipendenti possono connettersi a un ecosistema in espansione di dati aziendali critici e interagire con documenti «molto sofisticati», knowledge base e store di dati strutturati, oltre a sistemi CRM, HR, trading, finanza e rischio – un modello che per l'Italia significa maggiore efficienza nei servizi bancari, riduzione dei costi per le famiglie e imprese italiane, e un vantaggio competitivo nell'UE. Waldron dice che il suo team aggiunge nuove connessioni ogni mese. «Abbiamo costruito la piattaforma intorno a questa connettività ubiqua», spiega. In definitiva, l'IA è una grande tecnologia general-purpose che diventerà solo più potente, ma se le persone non hanno accesso significativo e casi d'uso critici, «state sprecando l'opportunità». Come dice Waldron, le capacità dell'IA continuano a crescere in modo impressionante – ma rimangono solo oggetti luccicanti se non dimostrano usi reali, un monito per le aziende italiane che devono integrare l'IA per non perdere terreno nella digitalizzazione europea. «Anche se un superintelligenza arrivasse domani, non ci sarebbe valore ottimale estraibile se quella superintelligenza non potesse connettersi ai sistemi, dati, tool, knowledge e processi esistenti nell'impresa», sostiene. Ascolta l'episodio completo per scoprire: La strategia personale di Waldron di fermarsi prima di chiedere a un collega umano, valutando invece come il suo assistente IA possa rispondere e risolvere il problema. L'approccio "una piattaforma, molti lavori": nessun ruolo è uguale, quindi la strategia si centra su blocchi riutilizzabili (RAG, intelligenza documentale, query su dati strutturati) che i dipendenti assemblano in tool specifici per il ruolo. Perché la maturità RAG conta: JPMorgan è evoluto attraverso generazioni multiple di retrieval – da ricerca vettoriale base a pipeline di knowledge gerarchiche, autorevoli e multimodali. Iscriviti a Beyond the Pilot su Apple Podcasts e Spotify.